發(fā)布時間：2021-06-25 09:51

　　短時強降水是導致城市內(nèi)澇和山洪、滑坡等災害的重要原因,其突發(fā)性強,局地性明顯,預報難度大,是強對流天氣業(yè)務預報的重點和難點之一。本研究利用2011—2018年江蘇省國家氣象觀測的逐小時降水資料對江蘇省短時強降水時空分布特征進行分析,江蘇短時強降水頻次分布為典型的南多北少,主要降水出現(xiàn)在早晨04:00—10:00和午后15:00—19:00,前半夜出現(xiàn)降水的概率則較低�；贓RA5再分析資料,選取了對于短時強降水有較強判斷能力的氣象要素,合成少數(shù)類過取樣（SMOTE）算法和邏輯回歸（LR）方法,構建短時強降水的預報模型,利用2019年的,歐洲中期天氣預報中心（ECMWF）預報產(chǎn)品基于該模型進行短時強降水的確定性預報和概率預報,并使用同期實況數(shù)據(jù)進行系統(tǒng)性檢驗和天氣過程檢驗。結果表明該模型總體性能較好,對短時強降水出現(xiàn)與否有較好的判別能力和預報指示意義。未來24 h以內(nèi)的6 h時效預報,TS（threat score）評分在0.23以上,未來60 h以內(nèi)的6 h時效預報TS評分均在0.2以上,但也存在著一定程度的空報和漏報�；赟MOTE+LR短時強降水預報模型對短時強降水的潛勢預報具有較... 

【文章來源】：科學技術與工程. 2020,20(28)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

江蘇省短時強降水頻次分布特征

江蘇省短時強降水頻次日變化特征

精確率和召回率是一組矛盾的變量。圖4和表2分別為南通站短時強降水模型不同閾值的混淆矩陣和評估指標,可以看出,當閾值越小,準確率和召回率值越小,預報模型能找出短時強降水出現(xiàn)的個例就越多,但誤判的數(shù)量也較大。隨著閾值的提高,召回率和準確率逐漸升高,精確率值逐漸降低,誤判的數(shù)量也隨之減少。在實際預報中,鑒于短時強降水可能的致災危害性,為盡可能減少漏報,可以適當放寬閾值,接受一定程度的空報。圖4 南通站短時強降水預報模型不同閾值的混淆矩陣

【參考文獻】：
期刊論文
[1]暴雨條件下貴州關嶺大寨滑坡穩(wěn)定性研究[J]. 劉其琛,熊承仁,馬俊偉.  科學技術與工程. 2015(11)
[2]基于高密度自動站的深圳短時強降水特征分析[J]. 力梅,李磊,蘭紅平.  科學技術與工程. 2014(18)
[3]中國短時強對流天氣的若干環(huán)境參數(shù)特征分析[J]. 樊李苗,俞小鼎.  高原氣象. 2013(01)
[4]基于構成要素的預報方法——配料法[J]. 俞小鼎.  氣象. 2011(08)
[5]南京地區(qū)夏季暴雨年際變化與大氣環(huán)流的聯(lián)系[J]. 楊秋明,黃世成,謝志清,錢瑋,李熠.  科學技術與工程. 2010(33)
[6]基于業(yè)務中尺度模式的配料法強降水定量預報[J]. 唐曉文,湯劍平,張小玲.  南京大學學報(自然科學版). 2010(03)
[7]中國近50a極端降水事件變化特征的季節(jié)性差異[J]. 陳海山,范蘇丹,張新華.  大氣科學學報. 2009(06)
[8]短歷時強降水的極值分布與統(tǒng)計風險計算[J]. 嚴洌娜,徐集云,陳勝軍.  科技通報. 2005(06)



本文編號：3248993